بررسی عملکرد روشهای یادگیری ماشین در شناسایی تقلب در تراکنش های کارتهای اعتباری

امروزه مسئله تقلب در تراکنشهای بانکی مسئله حائز اهمیتی می باشد و با افزایش استفاده از کارت های اعتباری و انواع مختلف تراکنشها، موارد تقلب در این تراکنشها نیز رشد فزاینده ای داشته است. همانطور که در یافته های پیشین موجود است، تکنیکهایی یادگیری ماشین توانسته اند عملکرد مناسبی در تشخیص این تراکنش ها داشته باشند. هدف از این مطالعه بررسی عملکرد چهار الگوریتم مختلف یادگیری ماشین بر مجموعه داده ی پیش پردازش شده است. به این ترتیب که مدل پیشنهادی با روش طبقه بندی به برچسب گذاری تراکنش ها می پردازد. مجموعه داده مورد استفاده در این مطالعه از مجموعه داده های متن باز موجود در منابع است. نتایج این پژوهش نشان میدهد که تمامی الگوریتم های پیشنهادی دقت قابل قبول بالای ۹۰ درصد را دارند که از این میان الگوریتم های درخت تصمیم و رگرسیون لجستیک با دقتی بیش از ۹۹ درصد در تشخیص تقلب در تراکنشهای کارتهای اعتباری موفق بوده اند.

کلیدواژه ها:

تشخیص تقلب ، تراکنشهای بانکی ، یادگیری ماشین ، درخت تصمیم ، رگرسیون لجستیک